Rebecca Greene, CTO e Co-fondatrice di Regal – Serie di Interviste

Rebecca Greene, CTO e Co-fondatrice di Regal, è un’esponente di tecnologia, leader di prodotto e investitrice con una vasta esperienza nella costruzione di aziende digitali focalizzate sul cliente. Prima di co-fondare Regal nel 2020, ha ricoperto il ruolo di Chief Product Officer presso Handy, dove ha guidato i team di prodotto, design e dati e ha supportato l’integrazione dell’azienda con ANGI Homeservices dopo l’acquisto. In precedenza, Greene ha lavorato nella gestione del prodotto presso Amazon (AMZN ) e ha ricoperto ruoli di strategia, consulenza e servizi finanziari presso Booz & Company, First Manhattan Consulting Group e Bear Stearns. È anche Partner presso Blue Trail Partners, dove supporta i fondatori nella costruzione di aziende ad alto impatto.

Regal è una piattaforma di intelligenza artificiale vocale per aziende che consente ai centri di contatto di costruire, distribuire, migliorare e gestire agenti autonomi AI per le vendite, il supporto clienti e i flussi di lavoro operativi. La sua piattaforma combina tecnologia vocale, prompt avanzati e dati dei clienti in tempo reale per offrire conversazioni personalizzate in entrata e in uscita, integrandosi con i sistemi di gestione delle relazioni con i clienti, i centri di contatto, la telefonia e i database esistenti. Fondata nel 2020, l’azienda è progettata per aiutare le imprese a automatizzare le interazioni con i clienti senza sostituire la loro infrastruttura tecnologica esistente.

Ha contribuito a far crescere Handy da una startup alle prime armi a un’azienda che alla fine è diventata parte di ANGI, dandole una esperienza diretta nella costruzione di prodotti attraverso una crescita iperbolica. Quali lezioni di quel viaggio l’hanno convinta a co-fondare Regal, e quale problema di esperienza del cliente non poteva essere risolto con la tecnologia dei centri di contatto esistente?

Mentre eravamo presso ANGI, il mio co-fondatore, Alex, e io gestivamo un centro di servizio di contatto con 3.000 persone che gestivano quasi 100 milioni di interazioni con i clienti ogni anno. All’inizio, il mio obiettivo era quello di far sì che i clienti ci chiamassero il meno possibile perché tutti nella tecnologia dicevano “la voce è morta”, quindi abbiamo giocato su quel atteggiamento anti-telefono. FAQ, chatbot, nascondendo il numero di telefono sul sito web. Abbiamo fatto tutto ciò che potevamo per spingere i clienti verso l’auto-servizio.

Ma i clienti continuavano a chiamare comunque. Le persone vogliono realmente parlare al telefono quando qualcosa è importante, urgente o troppo complicato da spiegare in una casella di testo. È allora che abbiamo iniziato a esaminare più da vicino la voce come canale di uscita, poiché i dati iniziavano a mostrare che era incredibilmente efficace. Se si vuole far sì che un cliente aggiorni la carta di credito o lo ricordi di un appuntamento, l’e-mail ottiene forse un tasso di clic del 2%. Con le chiamate telefoniche, potevamo far sì che il 20-30% delle persone rispondesse. È 10 volte meglio.

Il problema era che nessuna tecnologia di centro di contatto esistente consentiva alle aziende di soddisfare quella domanda in modo economico. Le chiamate vocali costano circa 10 dollari ciascuna per il personale, quindi la maggior parte delle aziende era incentivata a evitarle, anche quando i clienti le volevano. Il divario tra l’elevata domanda di voce e la mancanza di un modo economico per consegnarla bene è ciò che ha convinto me e il mio co-fondatore a fondare Regal nel 2020.

Regal ha ora gestito centinaia di milioni di interazioni con i clienti alimentate dall’intelligenza artificiale in aziende di grandi dimensioni. Quali sono stati i più grandi sfidi tecnici nel rendere l’intelligenza artificiale vocale sufficientemente affidabile per la produzione su scala aziendale, e quali innovazioni hanno reso possibile una adozione diffusa?

Regal ha recentemente superato i 500 milioni di chiamate gestite dall’AI, che equivalgono a circa 408 anni di conversazione. Abbiamo ora 100+ voci AI, 33 lingue e 26 LLM, e abbiamo generato 9 miliardi di dollari di entrate per i nostri clienti.

Per noi e per i nostri clienti, la sfida più grande è stata quella di assicurarsi che gli agenti avessero il contesto giusto ogni volta che parlavano con un cliente e dessero consigli precisi. Lavoriamo con aziende in alcuni dei settori più altamente regolamentati, come la sanità e l’assicurazione, dove è fondamentale che l’AI capisca cosa può e non può dire. Quindi, trattiamo il nostro AI come dipendenti: devi addestrarlo, supervisionarlo e valutare costantemente le sue prestazioni.

La vera chiave di volta è stata l’arrivo degli LLM con un ragionamento e una generazione di linguaggio genuini, che hanno reso possibile l’automazione di chiamate complesse e a più turni per la prima volta.

Molte persone associano ancora gli agenti vocali AI con sistemi IVR frustranti o chatbot robotici. Cosa è fondamentalmente cambiato negli ultimi anni per consentire agli agenti vocali moderni di offrire conversazioni molto più naturali?

Gli agenti vocali AI sono completamente diversi dai sistemi IVR del passato. Chiunque stia ancora utilizzando un IVR è molto limitato, poiché sono deterministici. Oggi, gli agenti ragionano realmente attraverso una conversazione come farebbe una persona, utilizzando LLM per la generazione del linguaggio e alimentati dal contesto e dai dati di 500 milioni di conversazioni precedenti. Combinati con una migliore qualità della voce, un tempo di risposta della latenza migliorato e una logica conversazionale più naturale, la maggior parte dei nostri clienti non riesce a capire se sta parlando con un AI o non gli importa, purché produca l’output di cui ha bisogno.

Come CTO, come bilancia i rapidi progressi nei modelli di base con la necessità di stabilità, sicurezza e comportamento prevedibile per i clienti aziendali?

Questo è il nucleo centrale della tensione che gestisco come CTO: i modelli di base si muovono incredibilmente velocemente, ma i nostri clienti aziendali nei settori regolamentati necessitano di prevedibilità, sicurezza e comportamento coerente.

Non siamo noi stessi a fornire modelli; forniamo un’applicazione per la costruzione di agenti AI, e ci collochiamo accanto ad altri software di centro di contatto. Quella separazione ci consente di apportare miglioramenti senza destabilizzare le barriere di protezione, le integrazioni e i controlli di conformità di cui i nostri clienti dipendono. È anche il motivo per cui ci siamo concentrati nel consentire a qualsiasi team di costruire agenti AI che gestiscano flussi di lavoro complessi in settimane, non mesi. Abbiamo recentemente lanciato un prodotto chiamato Copilot, che con una sola conversazione, può costruire una bozza di lavoro di un agente vocale per i team con la logica aziendale specifica, il marchio e la sicurezza già incorporati.

La piattaforma Regal collega gli agenti AI con il contesto del cliente e i flussi di lavoro aziendali piuttosto che semplicemente rispondere alle domande. Perché l’accesso ai dati dei clienti e ai sistemi aziendali sta diventando altrettanto importante quanto i progressi nei modelli di linguaggio stessi?

Da solo, un modello di linguaggio può condurre una conversazione, ma non può realmente fare nulla per il vostro cliente. Nel momento in cui gli chiedi di controllare un ordine, applicare uno sconto, escalare un caso o aggiornare un record, l’agente AI deve essere collegato ai sistemi che i vostri agenti umani utilizzano, come i loro sistemi CRM e di fatturazione.

Man mano che i modelli stessi migliorano in qualità, l’accesso ai dati dei clienti reali e ai sistemi aziendali è ciò che separa realmente un’esperienza gestita dall’AI di alta qualità da una frustrante.

La vostra piattaforma serve organizzazioni in settori come la sanità, l’assicurazione, l’istruzione e i servizi finanziari. Cosa vi hanno insegnato questi settori altamente regolamentati sulla distribuzione responsabile dell’AI mantenendo la fiducia del cliente?

Ci concentriamo intenzionalmente su settori altamente regolamentati e ad alta complessità piuttosto che su casi d’uso a basso rischio, in parte a causa della mia esperienza personale nella gestione del prodotto, del design e dei dati e nel lavoro con i centri di contatto aziendali.

La fiducia e la conformità sono realmente importanti in queste interazioni. La distribuzione responsabile dell’AI consiste nel garantire che gli agenti abbiano barriere di protezione affidabili, un contesto di livello di conto preciso e un percorso chiaro per un essere umano quando qualcosa esce dal loro ambito. La fiducia nei settori regolamentati non deriva dal fatto che l’AI sia infallibile, deriva dall’essere prevedibile e correggibile.

Molte persone pensano che l’AI sostituirà gli agenti umani dei centri di contatto. Come vedete evolversi la relazione tra dipendenti umani e agenti AI nei prossimi cinque anni, e quali responsabilità dovrebbero sempre rimanere di competenza umana?

L’AI non sostituirà il lavoro di tutti, come molti temevano, ma evolverà ciò che il lavoro sembra.

Il ruolo umano più importante nei prossimi anni non è il tradizionale agente del centro di contatto: è un ruolo completamente nuovo. Il mio co-fondatore e io lo chiamiamo l’Ingegnere CX: qualcuno che gestisce e sovraintende gli agenti AI stessi, lavorando a ritroso dal percorso del cliente piuttosto che sedersi in singole chiamate. Puoi già vedere questo cambiamento avvenire più in generale, con AWS che ha appena investito 1 miliardo di dollari in una unità di ingegneria di distribuzione avanzata per aiutare i clienti a costruire con l’AI, un ruolo che non esisteva realmente un anno fa.

Ci aspettiamo uno shift simile nel CX: man mano che gli agenti AI gestiscono più volumi, le persone che orchestrano, gestiscono e verificano la qualità di quegli agenti finiscono per essere assunzioni essenziali.

L’AI vocale è migliorata drasticamente, ma i clienti stanno diventando sempre più consapevoli del fatto che stanno parlando con un’AI. Qual è il ruolo della trasparenza e della divulgazione nel costruire una fiducia a lungo termine, e le aziende dovrebbero sempre dire ai clienti che stanno interagendo con un agente AI?

I clienti possono sempre chiedere un essere umano, e costruiamo questo in ogni distribuzione. Quello che stiamo realmente vedendo nella pratica è che la maggior parte delle persone non riesce a capire se sta parlando con un AI o non gli importa, una volta che si rende conto che l’interazione stessa è più importante per loro di chi è dall’altra parte.

C’è anche una ragione strutturale per cui non se ne parla più: alcune aziende stanno già eseguendo la stragrande maggioranza delle loro interazioni con i clienti sull’AI, ma non lo stanno ancora pubblicizzando. Penso che la trasparenza sia più importante nel momento in cui un cliente la chiede, ma non è necessaria come requisito generale per ogni interazione.

Con l’AI ora in grado di gestire conversazioni sempre più complesse, quali metriche dovrebbero concentrarsi le organizzazioni oltre la semplice riduzione dei costi quando valutano se una distribuzione dell’AI ha effettivamente migliorato l’esperienza del cliente?

Internamente, le organizzazioni dovrebbero prestare attenzione a quanto il loro team stia effettivamente utilizzando l’AI giorno per giorno e trattare un utilizzo intensivo come un segno generale positivo. Ma la metrica più grande che le aziende dovrebbero considerare è il fatturato per dipendente. Se l’AI sta funzionando davvero, quel numero dovrebbe aumentare, ed è ciò che finanzia la crescita e i margini migliori. L’AI non sostituisce le vostre persone, ma le persone che lo utilizzano bene finiscono per fare molto di più restando con lo stesso team. Possono servire più clienti, chiudere più affari e costruire di più quando il fatturato per dipendente è la metrica che stai misurando.

Guardando avanti, quali tecnologie emergenti o capacità ritiene definiranno la prossima generazione di agenti AI aziendali, e quali sviluppi è personalmente più entusiasta di aiutare a portare sul mercato nei prossimi anni?

Oggi, la voce è già il 60-70% delle interazioni con i clienti, con il resto diviso tra chat, e-mail e testo. Man mano che l’AI rende le interazioni vocali di alta qualità e più capaci, mi aspetto che la voce diventi il canale dominante e raggiunga eventualmente il 95% di tutte le interazioni con i clienti.

Cosa definirà la prossima generazione di agenti AI aziendali è quanto siano proattivi e coinvolti nelle interazioni con i clienti. La novità dell’AI nell’esperienza del cliente sta svanendo, e tutti sanno che sta diventando sempre più capace, ma sono entusiasta di spingere i suoi confini e farla eseguire casi d’uso ancora più complessi.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Regal.